拉尔夫·斯坦1967年的书中梅赛德斯·奔驰那一章伟大的汽车本书开篇描述了戴姆勒(Daimler)和奔驰(Benz)在建造世界上第一辆无马马车方面的重要性。这一章接着讲述了威廉·迈巴赫(Wilhelm Maybach)如何设计第一辆梅赛德斯(Mercedes)──那款疯狂的车e。”世界上其他所有的车都过时了。”下面是Inspekto的首席执行官哈雷尔·博伦自治机器视觉，解释了类似的变化将如何撼动质量保证。
视觉检查最初是由人工操作人员用手和眼睛进行的，就像马车是由马匹手动牵引一样。然而，机器视觉的引入将这一过程数字化，充当了检验的无马马车。不幸的是，机器视觉行业存在问题和缺陷──它正等待梅赛德斯(Mercedes)以自动机器视觉(Autonomous machine vision)的形式推出，以彻底改变质量保证(QA)，并淘汰所有现有产品。
为了降低不良产品的风险，目前的生产最佳实践包括对机器视觉质量保证设备的持续投资。然而，在QA完成之前还有很长的路要走。QA经理必须评估生产线上的每个点，以确定在每个特定位置放置机器视觉QA解决方案的努力和投资是否可行。这是因为与这些解决方案的设计、准备、安装和调试相关的长时间等待、高成本和大量停机时间。
挑战和问题
传统的机器视觉由于图像配准、计算机视觉、深度学习等人工智能技术的不足而受到限制。这些技术的固有局限性已经决定了当今机器视觉解决方案的能力。由于这些固有的限制，规划和安装现有技术是一个复杂而冗长的项目，需要系统集成商的专业知识。
目前，制造商必须雇佣一个集成商来识别可能的问题，创建概念证明(POCs)，并从各种照明、相机、镜头和其他组件中选择构成解决方案的确切组件。此外，制造商必须投资于集成，将其作为生产线上的硬工程解决方案。
因为这个过程需要如此高水平的专业技术，它的开发是完全不可能的一个工厂的人员──制造商完全依赖于一个系统集成商。反过来，QA机器视觉生态系统自然地为系统集成商服务，这是唯一能够提供有效机器视觉质量保证解决方案的一方。
最重要的是，当集成商安装和调试设备时，制造商必须关闭生产线，导致进一步停工，收入损失，并增加项目成本。
挑战并没有到此为止。生产线上的任何变化，无论多么微小，都需要集成商的帮助来调整解决方案以使其正确运行。如果制造商修改生产线，可能是为了生产不同的产品或监控生产的另一个阶段，机器视觉解决方案将不会自我调整。相反，制造商必须再次召集集成商──通常是在缺陷有一段时间没有被发现之后─调整解决方案，或者更糟，从头开始产生一个新的解决方案。无论做出什么改变，制造商都要受集成商的日程、价格和时间表的支配。
最后，设置传统定制机器视觉解决方案所带来的过山车般的成本和努力，限制了它们的摆放位置和用途。因此，QA经理不得不将机器视觉检测方案只放在生产线的主要路口。
最后，在主接点之前的生产线上的任何点在生产线上的几个步骤中都继续产生未被发现的缺陷。如果制造商在缺陷出现时就被告知，它可以在浪费更多的精力或努力将其作为生产产品的一部分使用之前将有缺陷的部件报废。用传统机器视觉，这是不可能的。构建解决方案的成本、时间和努力阻碍了检查地点的增加。只要驱动机器视觉的技术需要一个系统集成商，这种可怕的状况就不会，也不可能改变。
问题是，为什么QA经理在每个可视化QA点上都要忍受这种痛苦?为什么这家制造商应该面临如此复杂和昂贵的命运?当然，这个行业已经准备好向前迈进一步了。
介绍自主机器视觉
随着自动机器视觉时代的到来，之前所有的机器视觉技术都被淘汰了，就像奔驰曾经淘汰了所有其他汽车一样。该技术赋予了工业QA管理人员独立安装检查系统的能力，将他们从系统集成商的束缚中解放出来。
Autonomous Machine Vision将工业工厂和QA经理安排在他们应得的位置;处于行业的最前沿。该系统包括现代化的检测、采集、检查和自集成功能，使QA经理能够在几分钟内安装、设置和操作一个检查系统。
制造商不仅可以独立于集成商，而且降低了成本、简单的安装和系统的学习能力，使QA经理可以在生产的任何阶段自由安装系统，甚至根据需要将系统从一个地方转移到另一个地方。只在主要路口使用机器视觉解决方案的日子已经一去不复返了。我们现在处于Total QA的时代，在这个时代，生产的每个阶段都可以被平等地评估，允许检查在缺陷发生时就识别出来，以提高效率并防止资源浪费。
质量保证是一个至关重要的制造过程，传统的、以集成商为中心的机器视觉解决方案已经开始运行。正如斯泰因的书，伟大的汽车自动机器视觉(Autonomous Machine Vision)将把对系统集成商的依赖载入史册，从而产生自驱动、自安装、自调整和无集成商的机器视觉质量保证(Machine Vision QA)。工业质量保证经理最终在他们的生产线上的质量保证表现。工业制造业再也不会和以前一样了。
了下:AI•机器学习，工业自动化
